• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于字詞融合和多頭注意力的專利實(shí)體識(shí)別

    2023-12-20 02:33:46王騰科朱廣麗李瀚臣劉云朵張順香
    關(guān)鍵詞:文本融合信息

    王騰科,朱廣麗+,李瀚臣,劉云朵,張順香

    (1.安徽理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,安徽 淮南 232001; 2.合肥綜合性國家科學(xué)中心 人工智能研究院,安徽 合肥 230088)

    0 引 言

    中文專利主要由非結(jié)構(gòu)化的文本數(shù)據(jù)組成,對(duì)中文專利文本進(jìn)行命名實(shí)體識(shí)別(named entity recognition,NER)研究可以促進(jìn)專利行業(yè)中專利審查[1]、專利檢索[2]和專利主題挖掘[3]等相關(guān)技術(shù)發(fā)展,為行業(yè)加快信息化和智能化奠定基礎(chǔ)[4]。中文專利文本包含大量專業(yè)詞匯,這些專業(yè)詞匯語義豐富,信息量大。為了豐富文本特征表示,大多數(shù)模型通過修改模型結(jié)構(gòu)來融合詞信息,但在融合過程中詞內(nèi)字符和邊界字符的位置信息未得到充分利用,難以區(qū)分相同字符在詞首和詞尾的特征差異。

    為了利用詞信息提高中文專利命名實(shí)體識(shí)別的準(zhǔn)確率,需要考慮以下幾點(diǎn):①如何利用字詞位置關(guān)系信息優(yōu)化字詞融合,從而豐富文本特征表示;②如何利用字詞融合后的文本特征表示來提高專利實(shí)體識(shí)別準(zhǔn)確率。

    基于上述考慮,提出一種基于字詞融合和多頭注意力的專利實(shí)體識(shí)別模型(CWMA),用于提高中文專利實(shí)體識(shí)別的準(zhǔn)確率。該模型主要通過構(gòu)建詞集來區(qū)分詞首、詞內(nèi)和詞尾3種位置關(guān)系,再以拼接的方式融合字詞語義,從而豐富文本特征表示;并且借助多頭注意力調(diào)整權(quán)重來捕獲上下文的重要信息,增強(qiáng)模型的特征提取能力。

    1 研究現(xiàn)狀分析

    專利實(shí)體識(shí)別是指從專利文獻(xiàn)中識(shí)別反映技術(shù)特點(diǎn)的命名實(shí)體。目前的研究方法可分為基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法。

    1.1 基于機(jī)器學(xué)習(xí)的方法

    基于機(jī)器學(xué)習(xí)的方法將NER轉(zhuǎn)化為序列標(biāo)注任務(wù)。陳偉等[5]利用維特比算法識(shí)別專利實(shí)體,但是隨著文本長度的增加,算法復(fù)雜度會(huì)隨之增加。Arora等[6]使用支持向量機(jī)(support vector machine,SVM)對(duì)不同類型的損失分配權(quán)重來提高性能,但是SVM面對(duì)大規(guī)模數(shù)據(jù)的處理能力不佳。Xu等[7]結(jié)合多特征和CRF對(duì)產(chǎn)品評(píng)論文本進(jìn)行半監(jiān)督學(xué)習(xí),CRF[8]不僅能較好地捕獲全局上下文信息,而且對(duì)大規(guī)模數(shù)據(jù)的處理能力較強(qiáng)。Jang等[9]通過句法結(jié)構(gòu)分析處理專利數(shù)據(jù),從名詞短語和SAO(subject action object)結(jié)構(gòu)中獲得候選實(shí)體,并通過中心性指標(biāo)來評(píng)判候選實(shí)體的重要性,進(jìn)而識(shí)別專利實(shí)體。基于機(jī)器學(xué)習(xí)的方法因依賴特征工程建設(shè)而需要消耗大量人力成本。

    1.2 基于深度學(xué)習(xí)的方法

    隨著神經(jīng)網(wǎng)絡(luò)的火熱,基于深度學(xué)習(xí)的方法在NER中廣受歡迎。雙向門控循環(huán)單元BiGRU[10]在NER中常用于處理長距離的上下文信息。An等[11]引入多頭注意力來學(xué)習(xí)文本的全局信息和多層次語義特征,用于增強(qiáng)特征表示的多樣性。近年來,在中文命名實(shí)體識(shí)別(Chinese named entity recognition,CNER)中引入詞信息被驗(yàn)證是有效的。面向中文生物專利文本,Saad等[12]發(fā)現(xiàn)使用字和詞的聯(lián)合嵌入方法要優(yōu)于僅使用詞嵌入的方法。Zhang等[13]利用Lattice結(jié)構(gòu)將詞信息嵌入到字符嵌入向量中,但將模型輸入從鏈?zhǔn)叫蛄修D(zhuǎn)化為圖結(jié)構(gòu)的方法,會(huì)增加模型的計(jì)算成本。Liu等[14]在Latticce基礎(chǔ)上,將詞信息編碼成一個(gè)固定大小的向量,優(yōu)化模型的計(jì)算復(fù)雜度,在Resume數(shù)據(jù)集上的準(zhǔn)確率達(dá)到了95.27%。羅藝雄等[15]融合字符、拼音、五筆等特征,在自建新能源領(lǐng)域?qū)@麛?shù)據(jù)集上的準(zhǔn)確率達(dá)到了90.58%。

    從上述研究中發(fā)現(xiàn),字詞融合在CNER中能取得較好的成果,但是在面向?qū)@谋緯r(shí),準(zhǔn)確率顯著下降。本文通過依據(jù)字詞之間的位置關(guān)系來優(yōu)化字詞融合過程,用于豐富文本特征表示,并利用多頭注意力增強(qiáng)字符之間的依賴關(guān)系,從而提高專利實(shí)體識(shí)別的準(zhǔn)確率。

    2 基于位置關(guān)系的字詞融合方法

    2.1 字向量表示

    (1)

    2.2 詞向量表示

    基于字符在詞中位置,為字符構(gòu)造詞首、詞內(nèi)、詞尾3種詞集,將包含該字符的潛在詞劃分到不同詞集,用于表示同一個(gè)字符在不同位置所表達(dá)的語義信息。詞集的構(gòu)建如圖1所示。

    圖1 詞集構(gòu)建方法

    定義1 詞首、詞內(nèi)和詞尾3種詞集。設(shè)P(ci) 表示以字符ci為開頭的詞wi,j集合,即詞首詞集;M(ck) 表示字符ck在其內(nèi)部的詞wi,j集合(其中i

    P(ci)={wi,k,?wi,k∈L,i

    (2)

    M(ci)={wi,k,?wi,k∈L,1≤j

    (3)

    S(ci)={wj,i,?wj,i∈L,1≤j

    (4)

    其中,L表示詞典,該詞典是在CTB(Chinese Treebank 6.0)語料庫上訓(xùn)練得到的。如果詞集為空,即無匹配詞,則會(huì)在詞集中添加特殊詞“None”。

    定義2 加權(quán)求和方法。加權(quán)求和法依據(jù)詞的頻率來調(diào)整權(quán)重,對(duì)詞集內(nèi)的詞進(jìn)行加權(quán)求和。設(shè)z(w) 表示詞w在數(shù)據(jù)樣本中的頻率。其中Z表示字符的3種詞集中所有詞頻的總和,如式(5)所示,其中P、M和S是與字符ci相關(guān)的3種詞集的簡寫

    (5)

    設(shè)v(S) 表示詞集S的詞向量,詞集S的加權(quán)求和過程如式(6)所示,其中ew(w) 表示由Word2Vec訓(xùn)練得到的詞向量

    (6)

    2.3 基于位置關(guān)系的字詞融合

    基于位置關(guān)系的字詞融合方法先構(gòu)建詞集,隨后將詞集編碼成固定大小的詞向量,再與字向量進(jìn)行拼接融合得到嵌入向量,其過程如圖2所示。

    圖2 基于位置關(guān)系的字詞融合方法

    首先,構(gòu)造當(dāng)前字符ci的詞集P(ci)、M(ci) 和S(ci), 依據(jù)字符在詞中位置,將詞分配到對(duì)應(yīng)詞集?;赪ord2Vec技術(shù)得到詞向量,依據(jù)詞頻對(duì)詞集內(nèi)所有詞向量進(jìn)行加權(quán)求和,將詞集的詞信息壓縮到一個(gè)固定維度的詞向量內(nèi),獲得v(P)、v(M) 和v(S)。 最終將3種詞向量拼接后得到與當(dāng)前字符相關(guān)的詞向量v(ci), 如式(7)所示

    v(ci)=[v(P);v(M);v(S)]

    (7)

    最后,把字符的詞向量拼接在字符的字向量之后得到嵌入向量xi,如式(8)所示

    (8)

    算法1:融合字詞信息的文本特征表示算法。

    輸入:輸入的文本字符序列C={c1,c2,…,cn}, 數(shù)據(jù)集dataset;

    輸出:嵌入向量序列X={x1,x2,…,xn};

    (2)forcinC

    (3) build word sets (P(c),M(c),S(c))

    (4)end for

    (5)forcinC

    (6)xc=BERT(c)

    (7)v(P),v(M),v(S) = WeightedSum(P(c),M(c),S(c),Dict)

    (8)x=concatenate(v(P);v(M);v(S);v(c))

    (9)end for

    (10)returnX={x1,x2,…,xn}

    算法說明:算法1依據(jù)字詞位置關(guān)系,融合字詞獲得嵌入向量,作為文本特征表示。首先,步驟(1)是基于數(shù)據(jù)集文本統(tǒng)計(jì)詞頻;步驟(2)~步驟(4)是為每一個(gè)字符c構(gòu)建3種詞集P(c),M(c),S(c); 步驟(5)~步驟(9)是由預(yù)訓(xùn)練模型獲取每一個(gè)字符的字向量xc和詞集向量v(c), 具體方法如式(1)和式(6)所示,步驟(8)是通過拼接融合字詞語義信息,最后步驟(10)返回嵌入向量序列作為文本特征表示X。

    假設(shè)輸入序列的長度為n,構(gòu)建詞集的過程需要遍歷輸入序列,時(shí)間復(fù)雜度為O(n);獲取字向量和詞向量時(shí)間復(fù)雜度都為O(n)。綜上所述,算法總體復(fù)雜度為O(n)。

    3 基于字詞融合和多頭注意力的專利實(shí)體識(shí)別模型

    CWMA模型的如圖3所示,整體結(jié)構(gòu)自下而上分為4部分:①文本特征表示,通過基于位置關(guān)系的字詞融合方法得到文本特征向量;②上下文信息提取,利用BiGRU編碼器從文本特征向量中獲取上下文信息;③多頭注意力,利用多頭注意力調(diào)整上下文信息的權(quán)重來增強(qiáng)字符之間的依賴關(guān)系;④標(biāo)簽解碼,依據(jù)相鄰標(biāo)簽之間的制約關(guān)系對(duì)輸出進(jìn)行解碼并生成實(shí)體標(biāo)簽。

    3.1 文本特征表示

    3.2 上下文信息提取

    專利文本的語句長度較長,使用傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)RNN會(huì)出現(xiàn)梯度爆炸和梯度消失的問題。GRU憑借門控結(jié)構(gòu)可以過濾傳輸信息,極大緩解這類問題。對(duì)于給定輸入嵌入向量X={x1,x2,…,xn}, 每個(gè)時(shí)刻t中各單元的隱藏狀態(tài)ht計(jì)算如式(9)~式(12)所示

    zt=σ(Wz[ht-1,xt])

    (9)

    rt=σ(Wr[ht-1,xt])

    (10)

    hct=tanh(Wh[rtht-1,xt])

    (11)

    (12)

    其中,zt和rt分別是t時(shí)刻更新門和重置門的狀態(tài);hct為t時(shí)刻候選隱藏層的狀態(tài);ht為t時(shí)刻隱藏層的狀態(tài);Wz、Wr、Wh為狀態(tài)更新時(shí)的權(quán)重矩陣。

    面向?qū)@谋緯r(shí),采用BiGRU實(shí)現(xiàn)前后文的交互,使模型能捕獲序列中每個(gè)字符對(duì)于當(dāng)前字符的關(guān)聯(lián)語義。BiGRU通過構(gòu)造正反兩個(gè)方向的GRU隱藏層,得到隱藏信息輸出ht如式(13)~式(15)所示

    (13)

    (14)

    (15)

    3.3 多頭注意力

    雖然通過BiGRU編碼器可以獲取語句中上下文信息,但是無法突出上下文的關(guān)鍵信息。上下文中不同的字符對(duì)當(dāng)前字符的關(guān)聯(lián)依賴程度是不同的,而BiGRU編碼器只能對(duì)信息進(jìn)行保留和刪除。本文引入多頭注意力來克服BiGRU對(duì)上下文信息權(quán)重分配單一的問題。注意力機(jī)制先通過目標(biāo)向量Q和上下文信息向量K進(jìn)行相似度計(jì)算得到注意力權(quán)重,依據(jù)權(quán)重來重構(gòu)原始向量V,得到新向量。計(jì)算如式(16)所示,其中Attention(Q,K,V) 是重構(gòu)后的V向量

    (16)

    式中:dk是目標(biāo)向量Q和上下文信息向量K的維度。多頭注意力多用于獲取文本的多重特征,表示多個(gè)字符之間的依賴關(guān)系。利用訓(xùn)練后的權(quán)重矩陣對(duì)Q、K、V進(jìn)行k次映射,將表示不同特征的結(jié)果拼接得到字符的最終特征表示向量b,多頭注意力的計(jì)算公式如式(17)、式(18)所示

    (17)

    b=Concat(head1,head2,…,headk)WO

    (18)

    BiGRU編碼器的輸出序列H={h1,h2,…,hn}, 經(jīng)過多頭注意力調(diào)整權(quán)重來增強(qiáng)字符之間的緊密關(guān)系后生成序列B={b1,b2,…,bn}。

    3.4 標(biāo)簽解碼

    使用CRF對(duì)經(jīng)BiGRU和多頭注意力處理后的編碼序列B={b1,b2,…,bn} 進(jìn)行解碼,生成標(biāo)簽序列Y={y1,y2,…,yn} 的概率計(jì)算過程如式(19)所示

    (19)

    loss=-log(P(Y|S))

    (20)

    4 實(shí)驗(yàn)與結(jié)果分析

    4.1 數(shù)據(jù)集和評(píng)估標(biāo)準(zhǔn)

    表1 CCP數(shù)據(jù)集中各類實(shí)體數(shù)量

    采取準(zhǔn)確率P、召回率R和綜合評(píng)估指標(biāo)F1作為實(shí)驗(yàn)評(píng)估標(biāo)準(zhǔn),如式(21)~式(23)所示

    (21)

    (22)

    (23)

    其中,TP是邊界和類別都被預(yù)測準(zhǔn)確的實(shí)體數(shù)量;FP是邊界或類別被識(shí)別錯(cuò)誤的實(shí)體數(shù)量;FN是沒有被識(shí)別的實(shí)體數(shù)量。

    4.2 實(shí)驗(yàn)方法和模型參數(shù)

    為了驗(yàn)證模型CWMA的有效性,對(duì)以下6種模型在兩個(gè)數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn)。

    ①BiLSTM-CRF:結(jié)合BiLSTM和CRF的經(jīng)典神經(jīng)網(wǎng)絡(luò)模型。②BiGRU-CRF:在①的基礎(chǔ)上使用BiGRU替換BiLSTM。③BiGRU-MA-CRF:在②中,引入多頭注意力在BiGRU和CRF之間,在獲得上下文信息后,利用多頭注意力用于捕獲字符間依賴關(guān)系。④Lattice-LSTM[13]:構(gòu)建Lattice-LSTM神經(jīng)網(wǎng)絡(luò)將詞信息嵌入到詞尾字符中用于豐富文本表示。⑤CAN-NER[16]:使用基于字符的卷積神經(jīng)網(wǎng)絡(luò)來捕獲語句中潛在詞信息,再利用GRU和全局注意力獲取全局上下文信息。⑥CWMA:本文提出的模型。

    模型的訓(xùn)練環(huán)境主要由處理器i5-12400F和顯卡NVIDIA GeForce RTX 3060構(gòu)成,使用的PyTorch版本為1.11.0。在訓(xùn)練過程中,使用bert-base-chinese(https://huggingface.co/bert-base-chinese)生成維度為768的字向量,使用Word2Vec生成維度為40的詞集向量。訓(xùn)練的初始學(xué)習(xí)率設(shè)置為0.0015,模型優(yōu)化采用Adam。

    在專利文本的實(shí)驗(yàn)中,考慮到摘要文本長度普遍在300字左右的特點(diǎn),相較于面向Resume數(shù)據(jù)集的模型輸入的最大序列長度250,在面向CCP數(shù)據(jù)集的實(shí)驗(yàn)中設(shè)置最大序列長度為350。

    4.3 對(duì)比實(shí)驗(yàn)

    實(shí)驗(yàn)一:CWMA模型在公共數(shù)據(jù)集上的有效性驗(yàn)證。6種模型在Resume數(shù)據(jù)集上的結(jié)果見表2。

    表2 各模型在Resume數(shù)據(jù)集上的結(jié)果對(duì)比

    從表2中可以看出,本文提出的CWMA模型表現(xiàn)的性能最優(yōu),在準(zhǔn)確率、召回率和F1值3個(gè)指標(biāo)上都達(dá)到了最優(yōu),分別是95.82%、95.35%和95.59%。對(duì)比前3個(gè)模型的實(shí)驗(yàn)結(jié)果發(fā)現(xiàn),BiGRU的性能優(yōu)于BiLSTM,并且引入多頭注意力機(jī)制能提高模型的性能。其中,后3個(gè)模型代表字詞融合方法,其模型性能要優(yōu)于前3個(gè)代表字粒度的模型,對(duì)于中文命名實(shí)體識(shí)別,字詞融合方法可以為字粒度模型提供更豐富的語義信息,獲得更優(yōu)的性能。同時(shí),在3個(gè)字詞融合模型中CWMA的實(shí)驗(yàn)結(jié)果是最優(yōu)的,在字詞融合過程中考慮字與詞的位置關(guān)系,并依據(jù)位置關(guān)系訓(xùn)練詞集向量,能夠更好地表示文本語義。

    實(shí)驗(yàn)二:CWMA模型在專利數(shù)據(jù)集上的有效性驗(yàn)證。6種模型在CCP數(shù)據(jù)集上的結(jié)果見表3。

    比較表2和表3的實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn):面向?qū)@谋镜拿麑?shí)體識(shí)別更具有挑戰(zhàn)性,相同模型在專利數(shù)據(jù)集上的3個(gè)指標(biāo)都低于Resume數(shù)據(jù)集。但是相較于BiGRU-CRF,在專利數(shù)據(jù)上的CWMA模型準(zhǔn)確率提高了11.36%,大于在Resume數(shù)據(jù)上所提升的2.08%。驗(yàn)證了字詞融合方法在專利實(shí)體識(shí)別的性能提升更顯著。這是因?yàn)閷@写嬖诖罅坑啥鄠€(gè)詞組成的復(fù)雜實(shí)體,例如:“三維圖像框架數(shù)據(jù)庫”等,依據(jù)位置信息構(gòu)建詞集可以有效地區(qū)分不同詞對(duì)當(dāng)前字符的影響,從而提高模型的準(zhǔn)確率。而相比CAN-NER,CWMA在專利數(shù)據(jù)上在3個(gè)指標(biāo)上分別提高了3.96%、3.68%和3.83%??傮w而言,提出的CWMA模型在實(shí)驗(yàn)中表現(xiàn)最好,對(duì)專利實(shí)體識(shí)別提升幅度大。

    表3 各模型在CCP數(shù)據(jù)集上的結(jié)果對(duì)比

    4.4 消融實(shí)驗(yàn)

    為了研究模型各組成部分的貢獻(xiàn),在CCP數(shù)據(jù)集上進(jìn)行消融實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果如表4和圖4所示。

    表4 在CCP數(shù)據(jù)集上的消融實(shí)驗(yàn)結(jié)果

    圖4 消融實(shí)驗(yàn)結(jié)果

    本文對(duì)字詞融合方法的3個(gè)步驟以及模型中的多頭注意力機(jī)制進(jìn)行消融實(shí)驗(yàn)。其中,Exper0表示本文提出的CWMA模型;Exper1的“-PMS”表示在CWMA模型上去除構(gòu)建詞集的步驟,只對(duì)詞進(jìn)行加權(quán)求和;Exper2的“-M”表示在CWMA模型的嵌入向量中不引入M詞集,只融合B和E詞集;Exper3的“均值法”表示不引入詞頻信息,使用均值法取代CWMA模型的加權(quán)求和法;Exper4表示在CWMA模型中去除多頭注意力模塊。

    Exper1、Exper2、Exper3分別驗(yàn)證了字詞融合方法中的3個(gè)步驟都能豐富文本特征表示。其中構(gòu)建詞集的步驟對(duì)于模型影響最大,分別下降了5.77%、8.03%和6.86%,在字詞融合中考慮字與詞之間的位置信息能有效提高模型性能。在對(duì)比實(shí)驗(yàn)中LatticeLSTM未給詞內(nèi)字符融合相關(guān)詞信息,而本文引入M詞集能夠緩解詞內(nèi)字符丟失詞信息的問題。同時(shí),加權(quán)求和法優(yōu)于均值法的結(jié)果證明依據(jù)統(tǒng)計(jì)數(shù)據(jù)中的詞頻是有效的。

    Exper4驗(yàn)證了多頭注意力對(duì)CWMA模型有著明顯的提升。去除多頭注意力后,3種指標(biāo)分別下降了3.72%、5.22%和4.44%,表明使用多頭注意力能有效地關(guān)注到語句中字符之間的依賴關(guān)系。

    5 結(jié)束語

    本文提出的基于字詞融合和多頭注意力的專利實(shí)體識(shí)別模型CWMA,依據(jù)字符在詞中位置信息進(jìn)行拼接融合字詞語義信息,獲取了更完整的文本表示特征,并結(jié)合BiGRU和多頭注意力共同對(duì)文本特征進(jìn)行提取,提高了專利實(shí)體識(shí)別準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明,利用字符在詞中位置來豐富文本表示和增強(qiáng)字符之間依賴關(guān)系對(duì)于中文命名實(shí)體識(shí)別是有必要的。未來工作將考慮在模型中引入自動(dòng)識(shí)別技術(shù)詞的機(jī)制來緩解詞典的滯后性問題。

    猜你喜歡
    文本融合信息
    村企黨建聯(lián)建融合共贏
    融合菜
    從創(chuàng)新出發(fā),與高考數(shù)列相遇、融合
    《融合》
    在808DA上文本顯示的改善
    基于doc2vec和TF-IDF的相似文本識(shí)別
    電子制作(2018年18期)2018-11-14 01:48:06
    訂閱信息
    中華手工(2017年2期)2017-06-06 23:00:31
    文本之中·文本之外·文本之上——童話故事《坐井觀天》的教學(xué)隱喻
    展會(huì)信息
    如何快速走進(jìn)文本
    亚洲,欧美,日韩| 国产欧美另类精品又又久久亚洲欧美| 禁无遮挡网站| 久久精品国产a三级三级三级| 在线播放无遮挡| 国产精品久久久久久久电影| 国产精品av视频在线免费观看| 日韩强制内射视频| 国产视频内射| 欧美+日韩+精品| 午夜福利在线在线| 午夜激情久久久久久久| 老司机影院成人| 中文字幕人妻熟人妻熟丝袜美| 黄色配什么色好看| 免费播放大片免费观看视频在线观看| 大片免费播放器 马上看| 麻豆精品久久久久久蜜桃| 成年女人在线观看亚洲视频 | 欧美精品国产亚洲| 久久久久网色| 乱码一卡2卡4卡精品| 久久女婷五月综合色啪小说 | 秋霞在线观看毛片| av在线亚洲专区| 亚洲精品自拍成人| 一边亲一边摸免费视频| 五月天丁香电影| 国产色爽女视频免费观看| av福利片在线观看| 亚洲精品乱久久久久久| 亚洲欧美清纯卡通| 联通29元200g的流量卡| 男女边摸边吃奶| 国产亚洲午夜精品一区二区久久 | 国产精品无大码| 国产高清国产精品国产三级 | 欧美高清成人免费视频www| 午夜福利高清视频| 我要看日韩黄色一级片| 热re99久久精品国产66热6| 亚洲欧美成人精品一区二区| 国产午夜精品久久久久久一区二区三区| 欧美少妇被猛烈插入视频| 丝袜脚勾引网站| 男女无遮挡免费网站观看| 国产成人精品久久久久久| 日韩大片免费观看网站| 午夜爱爱视频在线播放| 欧美老熟妇乱子伦牲交| 亚洲欧美日韩无卡精品| 免费观看无遮挡的男女| 又爽又黄a免费视频| 久久久久久久久久人人人人人人| xxx大片免费视频| 99久国产av精品国产电影| 国产一区有黄有色的免费视频| 最近中文字幕2019免费版| 亚洲综合色惰| 在线免费十八禁| 99热这里只有是精品50| 精品人妻偷拍中文字幕| 在线观看美女被高潮喷水网站| 国产精品一二三区在线看| av在线亚洲专区| 精品人妻视频免费看| 少妇裸体淫交视频免费看高清| 美女高潮的动态| 日韩成人伦理影院| 久久久久精品久久久久真实原创| 亚洲四区av| 丝袜喷水一区| 亚洲精品自拍成人| 国精品久久久久久国模美| 亚洲av不卡在线观看| av在线亚洲专区| 少妇人妻一区二区三区视频| 国产成人免费无遮挡视频| 99热这里只有精品一区| av.在线天堂| xxx大片免费视频| 国产片特级美女逼逼视频| 成年女人在线观看亚洲视频 | 亚洲人成网站在线播| 大香蕉久久网| 国产精品人妻久久久影院| 亚洲精品日本国产第一区| 一级毛片aaaaaa免费看小| 国产爱豆传媒在线观看| 天美传媒精品一区二区| 国产v大片淫在线免费观看| 黄色配什么色好看| 国产成年人精品一区二区| 久久久久网色| 国产熟女欧美一区二区| 视频区图区小说| 欧美xxxx黑人xx丫x性爽| 伊人久久国产一区二区| 插逼视频在线观看| 亚洲精品国产色婷婷电影| 久久99热6这里只有精品| 免费看光身美女| 最新中文字幕久久久久| 一本一本综合久久| 尾随美女入室| 亚洲伊人久久精品综合| 亚洲精品国产av成人精品| 日韩视频在线欧美| 亚洲自拍偷在线| 91久久精品国产一区二区成人| 久久精品国产亚洲av天美| .国产精品久久| 国产一区亚洲一区在线观看| 欧美3d第一页| 三级经典国产精品| 国产av不卡久久| 欧美xxxx性猛交bbbb| 久久亚洲国产成人精品v| 哪个播放器可以免费观看大片| 男男h啪啪无遮挡| 最近最新中文字幕大全电影3| 中文精品一卡2卡3卡4更新| 丰满少妇做爰视频| 欧美高清成人免费视频www| 成人黄色视频免费在线看| 超碰av人人做人人爽久久| 国产v大片淫在线免费观看| av福利片在线观看| 狂野欧美激情性xxxx在线观看| 嘟嘟电影网在线观看| 久久女婷五月综合色啪小说 | 狠狠精品人妻久久久久久综合| 国产黄片美女视频| 国国产精品蜜臀av免费| 亚洲精品国产av蜜桃| 国产有黄有色有爽视频| 青春草亚洲视频在线观看| 国产v大片淫在线免费观看| 久久久久久久久久人人人人人人| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲av免费高清在线观看| 亚洲av中文字字幕乱码综合| 久久久久精品久久久久真实原创| 亚洲欧美一区二区三区国产| 大香蕉久久网| 久久精品综合一区二区三区| 丝瓜视频免费看黄片| 一级毛片黄色毛片免费观看视频| 午夜亚洲福利在线播放| 又黄又爽又刺激的免费视频.| 亚洲激情五月婷婷啪啪| 性插视频无遮挡在线免费观看| 又黄又爽又刺激的免费视频.| 亚洲激情五月婷婷啪啪| 日韩欧美精品免费久久| 亚洲国产精品999| 精品久久久久久久久亚洲| 欧美成人一区二区免费高清观看| 亚洲丝袜综合中文字幕| 国产精品秋霞免费鲁丝片| 亚洲最大成人手机在线| 日韩国内少妇激情av| 国产精品一及| 干丝袜人妻中文字幕| 波野结衣二区三区在线| 国产黄a三级三级三级人| 国产精品久久久久久精品古装| 久久久久国产网址| 国产一区亚洲一区在线观看| 少妇人妻精品综合一区二区| 国产精品一区二区三区四区免费观看| 亚洲综合色惰| 人妻系列 视频| 亚洲国产精品999| 3wmmmm亚洲av在线观看| 国模一区二区三区四区视频| 国产成人午夜福利电影在线观看| 欧美日韩在线观看h| 亚洲aⅴ乱码一区二区在线播放| 中文字幕制服av| 三级男女做爰猛烈吃奶摸视频| 国产一区亚洲一区在线观看| 亚洲成人一二三区av| 99久久九九国产精品国产免费| 久久久成人免费电影| 亚洲va在线va天堂va国产| 亚洲人成网站高清观看| 日韩一本色道免费dvd| 国产高清有码在线观看视频| av在线app专区| 欧美精品一区二区大全| 卡戴珊不雅视频在线播放| 国产日韩欧美亚洲二区| 久久99蜜桃精品久久| 色播亚洲综合网| 国产成人a区在线观看| 22中文网久久字幕| 少妇裸体淫交视频免费看高清| 国产精品蜜桃在线观看| 国产成人精品久久久久久| 欧美一区二区亚洲| 日韩一区二区视频免费看| 婷婷色综合大香蕉| 热99国产精品久久久久久7| 国产伦在线观看视频一区| 亚洲av男天堂| 亚洲精品国产av蜜桃| 国产高潮美女av| 国产免费视频播放在线视频| 国产成人一区二区在线| 麻豆国产97在线/欧美| 国产欧美日韩一区二区三区在线 | 中文字幕制服av| 免费大片黄手机在线观看| 亚洲精品色激情综合| 亚洲精品456在线播放app| 亚洲国产高清在线一区二区三| 成人漫画全彩无遮挡| 国产大屁股一区二区在线视频| 国产精品偷伦视频观看了| 国产在视频线精品| 国产黄片美女视频| 久久99热这里只频精品6学生| 欧美一级a爱片免费观看看| 亚洲成人中文字幕在线播放| 三级国产精品片| 肉色欧美久久久久久久蜜桃 | 精品国产露脸久久av麻豆| 偷拍熟女少妇极品色| 一级爰片在线观看| 亚洲综合色惰| 九九爱精品视频在线观看| 亚洲激情五月婷婷啪啪| 男人爽女人下面视频在线观看| 色综合色国产| 久久ye,这里只有精品| 国产 一区 欧美 日韩| av播播在线观看一区| 99久久精品国产国产毛片| 日韩国内少妇激情av| 精品久久国产蜜桃| 午夜精品一区二区三区免费看| 99久久中文字幕三级久久日本| 麻豆乱淫一区二区| 成人毛片a级毛片在线播放| 美女内射精品一级片tv| 岛国毛片在线播放| 少妇裸体淫交视频免费看高清| 青春草视频在线免费观看| eeuss影院久久| 欧美xxxx性猛交bbbb| 熟女电影av网| 亚洲高清免费不卡视频| 尾随美女入室| 亚洲最大成人av| 国产精品麻豆人妻色哟哟久久| 国产真实伦视频高清在线观看| 下体分泌物呈黄色| 欧美xxⅹ黑人| 插阴视频在线观看视频| 国产精品.久久久| 搡老乐熟女国产| 男女那种视频在线观看| 亚洲国产av新网站| 免费黄网站久久成人精品| av在线观看视频网站免费| 日韩亚洲欧美综合| 在线天堂最新版资源| 69人妻影院| 久热这里只有精品99| 国产成人免费观看mmmm| 日本三级黄在线观看| 国产亚洲5aaaaa淫片| 老司机影院成人| 夫妻性生交免费视频一级片| 国产精品久久久久久av不卡| 色综合色国产| 久久6这里有精品| 97超碰精品成人国产| 国产亚洲91精品色在线| 一级爰片在线观看| 国产精品国产三级国产av玫瑰| 极品教师在线视频| 亚洲精品亚洲一区二区| 狂野欧美激情性bbbbbb| 国产爱豆传媒在线观看| 亚洲欧美中文字幕日韩二区| 大话2 男鬼变身卡| 亚洲av免费高清在线观看| .国产精品久久| 啦啦啦中文免费视频观看日本| 赤兔流量卡办理| xxx大片免费视频| 久久精品国产鲁丝片午夜精品| 国产 一区精品| 麻豆乱淫一区二区| 国产精品国产三级专区第一集| 精品一区二区三区视频在线| 我的老师免费观看完整版| 国产精品久久久久久av不卡| 成人免费观看视频高清| 国产成人免费无遮挡视频| 亚洲,欧美,日韩| 亚洲在久久综合| 最新中文字幕久久久久| 最近的中文字幕免费完整| 亚洲欧美一区二区三区黑人 | 夫妻午夜视频| 日韩欧美一区视频在线观看 | www.色视频.com| 女的被弄到高潮叫床怎么办| 亚洲自拍偷在线| 亚洲精品成人av观看孕妇| 边亲边吃奶的免费视频| 国产 精品1| 日本免费在线观看一区| 免费观看的影片在线观看| 欧美最新免费一区二区三区| 18禁在线无遮挡免费观看视频| 国产欧美亚洲国产| 欧美激情在线99| 在线精品无人区一区二区三 | 热re99久久精品国产66热6| 亚洲激情五月婷婷啪啪| 亚洲精品成人av观看孕妇| 成人毛片a级毛片在线播放| 亚洲欧美成人精品一区二区| 久久久精品94久久精品| 80岁老熟妇乱子伦牲交| 亚洲精品国产成人久久av| 两个人的视频大全免费| 亚洲四区av| 欧美日韩一区二区视频在线观看视频在线 | 一级毛片电影观看| 日韩电影二区| 九色成人免费人妻av| tube8黄色片| 精品国产三级普通话版| 国产在线一区二区三区精| 国内揄拍国产精品人妻在线| 国产久久久一区二区三区| 精品久久久久久久久亚洲| 亚洲精品中文字幕在线视频 | 国产毛片在线视频| 色视频在线一区二区三区| 人妻一区二区av| 久久ye,这里只有精品| 小蜜桃在线观看免费完整版高清| 搡老乐熟女国产| 久久久欧美国产精品| 日本猛色少妇xxxxx猛交久久| 国产一区有黄有色的免费视频| 日韩大片免费观看网站| 一级爰片在线观看| 精品久久久久久久久av| 人妻 亚洲 视频| 男女边吃奶边做爰视频| 亚洲精品一二三| 久久久精品94久久精品| 尾随美女入室| 久久99热这里只有精品18| 在线亚洲精品国产二区图片欧美 | 国产高清三级在线| 又粗又硬又长又爽又黄的视频| 久久久久久久亚洲中文字幕| 国产国拍精品亚洲av在线观看| 在线观看一区二区三区激情| 亚洲av免费在线观看| 中文在线观看免费www的网站| 亚洲综合色惰| 在线观看一区二区三区激情| 有码 亚洲区| 国产伦精品一区二区三区四那| 国产黄a三级三级三级人| 可以在线观看毛片的网站| 麻豆国产97在线/欧美| 秋霞伦理黄片| 亚洲av电影在线观看一区二区三区 | 国产精品国产三级国产av玫瑰| 丝袜喷水一区| 日本猛色少妇xxxxx猛交久久| 最近手机中文字幕大全| 下体分泌物呈黄色| 日韩av在线免费看完整版不卡| 国产成人aa在线观看| 中文天堂在线官网| 人妻系列 视频| 自拍偷自拍亚洲精品老妇| 99热这里只有是精品在线观看| 国产极品天堂在线| 美女高潮的动态| 2021天堂中文幕一二区在线观| 国产69精品久久久久777片| 久久99精品国语久久久| 女的被弄到高潮叫床怎么办| 亚洲伊人久久精品综合| 亚洲在线观看片| 日韩av免费高清视频| 一级毛片aaaaaa免费看小| 97在线视频观看| 免费看不卡的av| 免费大片18禁| 亚洲色图av天堂| 最后的刺客免费高清国语| 亚洲第一区二区三区不卡| videossex国产| 全区人妻精品视频| 久久国内精品自在自线图片| 欧美精品一区二区大全| 国产精品一二三区在线看| 欧美日韩视频精品一区| 免费黄网站久久成人精品| 免费av毛片视频| 一级爰片在线观看| 欧美国产精品一级二级三级 | 国产成人精品一,二区| 九色成人免费人妻av| 国产在线男女| 综合色丁香网| 国产高清不卡午夜福利| 成年人午夜在线观看视频| 中文字幕av成人在线电影| a级毛色黄片| 美女主播在线视频| 乱码一卡2卡4卡精品| 在线观看三级黄色| 久久久欧美国产精品| 少妇裸体淫交视频免费看高清| 99久久九九国产精品国产免费| 欧美日韩国产mv在线观看视频 | 欧美精品国产亚洲| 97超碰精品成人国产| 亚洲精品久久午夜乱码| 国产高清不卡午夜福利| 在线免费十八禁| 国产精品国产三级专区第一集| 亚洲精品456在线播放app| 一区二区av电影网| 欧美97在线视频| 搡老乐熟女国产| 亚洲欧美日韩东京热| av国产久精品久网站免费入址| 夜夜看夜夜爽夜夜摸| 人妻少妇偷人精品九色| 国产真实伦视频高清在线观看| 成年av动漫网址| 一本色道久久久久久精品综合| 成人欧美大片| 久久久久久久精品精品| 欧美日韩综合久久久久久| 成年人午夜在线观看视频| 蜜臀久久99精品久久宅男| 嘟嘟电影网在线观看| 精品久久久久久电影网| 午夜精品一区二区三区免费看| 亚洲精品国产色婷婷电影| 国产一区二区三区综合在线观看 | 国产高清三级在线| 综合色av麻豆| 岛国毛片在线播放| 亚洲av免费高清在线观看| 国产黄色免费在线视频| 国产爽快片一区二区三区| 精品国产露脸久久av麻豆| 97热精品久久久久久| 午夜福利网站1000一区二区三区| 天堂俺去俺来也www色官网| 最新中文字幕久久久久| 成人综合一区亚洲| 在线观看美女被高潮喷水网站| .国产精品久久| 国产老妇伦熟女老妇高清| 国产亚洲5aaaaa淫片| 熟妇人妻不卡中文字幕| 九色成人免费人妻av| 伦精品一区二区三区| 一区二区三区免费毛片| 在线观看av片永久免费下载| 亚洲国产成人一精品久久久| 在线观看三级黄色| 国产精品99久久久久久久久| 亚洲va在线va天堂va国产| 久久精品人妻少妇| 中文字幕免费在线视频6| 大码成人一级视频| 伦精品一区二区三区| 王馨瑶露胸无遮挡在线观看| 在线观看av片永久免费下载| 成人亚洲精品av一区二区| 爱豆传媒免费全集在线观看| 男女啪啪激烈高潮av片| 成年av动漫网址| 又粗又硬又长又爽又黄的视频| 国产伦在线观看视频一区| 亚洲精品影视一区二区三区av| 亚洲精品aⅴ在线观看| 干丝袜人妻中文字幕| 亚洲av.av天堂| 另类亚洲欧美激情| 久久97久久精品| 寂寞人妻少妇视频99o| 少妇熟女欧美另类| 亚洲国产精品专区欧美| 午夜免费男女啪啪视频观看| 国产免费视频播放在线视频| 纵有疾风起免费观看全集完整版| 晚上一个人看的免费电影| 亚洲自偷自拍三级| 亚洲,欧美,日韩| 最近手机中文字幕大全| av播播在线观看一区| 中文字幕人妻熟人妻熟丝袜美| 激情五月婷婷亚洲| 成年版毛片免费区| 乱系列少妇在线播放| 精品国产乱码久久久久久小说| 黄色欧美视频在线观看| 免费观看性生交大片5| 夜夜看夜夜爽夜夜摸| 国产精品一二三区在线看| 久久久久久久久大av| 97超碰精品成人国产| 成人无遮挡网站| 在线观看av片永久免费下载| 九九爱精品视频在线观看| 亚洲欧洲日产国产| 成人亚洲精品一区在线观看 | 晚上一个人看的免费电影| 大码成人一级视频| 亚洲最大成人中文| 国产片特级美女逼逼视频| 欧美日韩精品成人综合77777| 国产色爽女视频免费观看| 久久综合国产亚洲精品| 午夜福利在线观看免费完整高清在| 干丝袜人妻中文字幕| 国产一区亚洲一区在线观看| 伊人久久精品亚洲午夜| 在线 av 中文字幕| 99热国产这里只有精品6| av在线老鸭窝| 嫩草影院新地址| 日本免费在线观看一区| 国产精品久久久久久精品古装| av又黄又爽大尺度在线免费看| 国产精品99久久久久久久久| 色婷婷久久久亚洲欧美| 黄片wwwwww| 国产欧美日韩精品一区二区| 性插视频无遮挡在线免费观看| av黄色大香蕉| 欧美性感艳星| 亚洲欧美一区二区三区黑人 | 在线免费观看不下载黄p国产| 少妇人妻久久综合中文| 91精品一卡2卡3卡4卡| 日韩免费高清中文字幕av| 中文欧美无线码| 男女那种视频在线观看| 国产黄片视频在线免费观看| 麻豆久久精品国产亚洲av| 18禁动态无遮挡网站| 亚洲国产欧美人成| 十八禁网站网址无遮挡 | 亚洲国产最新在线播放| 国产精品成人在线| 夜夜爽夜夜爽视频| 色播亚洲综合网| 在线观看av片永久免费下载| 尤物成人国产欧美一区二区三区| 深爱激情五月婷婷| 在线看a的网站| 99热这里只有精品一区| 亚洲最大成人av| 欧美三级亚洲精品| 性色av一级| 美女国产视频在线观看| 国产精品99久久久久久久久| av女优亚洲男人天堂| 亚洲怡红院男人天堂| 免费av观看视频| 国内精品宾馆在线| 最新中文字幕久久久久| 91精品一卡2卡3卡4卡| 日本欧美国产在线视频| 久久久久精品久久久久真实原创| 亚洲精华国产精华液的使用体验| 99久久精品国产国产毛片| 黄片wwwwww| 99久久人妻综合| 久久久国产一区二区| 人人妻人人澡人人爽人人夜夜| 99热这里只有是精品在线观看| 亚洲av福利一区| 亚洲成色77777| 啦啦啦啦在线视频资源| 2018国产大陆天天弄谢| 一个人看的www免费观看视频| 免费在线观看成人毛片| 爱豆传媒免费全集在线观看| 精品酒店卫生间| 国产视频内射| 高清av免费在线| 99精国产麻豆久久婷婷| 如何舔出高潮| 激情五月婷婷亚洲| 午夜福利在线观看免费完整高清在| 午夜精品国产一区二区电影 | 中文字幕久久专区| 毛片一级片免费看久久久久| 欧美亚洲 丝袜 人妻 在线| 精品一区二区三卡| av国产久精品久网站免费入址| 亚洲天堂av无毛| 国产又色又爽无遮挡免|